Projet de fin d'étude : Processus Décisionnels de Markov Sensibles au Risque
Etudiant : AMRAOUY MOURAD
Filière : Master Big Data Analytics & Smart Systems (BDSaS)
Encadrant : Pr. RIFFI JAMAL
Annèe : 2024
Résumé : L’intégration des préférences de risque dans les processus décisionnels de Markov (MDP) représente un domaine de recherche crucial pour la prise de décision dans des environnements incertains. Les MDP sont largement utilisés pour modéliser des décisions séquentielles, mais reposent souvent sur le critère de récompense espérée, présumant une neutralité au risque des agents. Cette hypothèse est souvent irréaliste car elle ne reflète pas la diversité des comportements humains ou des systèmes automatisés face au risque. Ce mémoire vise à développer et valider des algorithmes prenant en compte les préférences de risque, en utilisant des modèles tels que l’Utilité Espérée (EU), l’Utilité Dépendante du Rang (RDU) et d’autres opérateurs décisionnels. Les travaux présentés commencent par une revue exhaustive de la littérature existante sur les MDP et les modèles de décision sous risque. Ensuite, plusieurs algorithmes innovants sont proposés, intégrant ces préférences de risque dans le cadre des MDP. Ces algorithmes sont évalués à travers des simulations et des études de cas dans divers scénarios de risque, permettant de démontrer leur efficacité et leur applicabilité pratique. Les résultats montrent que les algorithmes développés offrent des solutions plus nuancées et personnalisées pour la prise de décision, capables de mieux répondre aux défis posés par l’incertitude et la variabilité des préférences de risque.